金磊發自凹非寺

　　量子位報道公眾號 QbitAI

　　范式，人類科學演進中最重要的理念之一。

　　從概念上講，范式是指由基本定律、理論、應用等構成的一個整體，它的存在給科學家提供了一個研究綱領。

　　這種理念，在「AI 賦能、AI 落地」進程中，被一家明星獨角獸公司同樣奉為圭臬。

　　并且現在，他們給出了 AI 落地范式的最新「正解」——企業數據的標準定義和規范。

　　沒錯，第四范式，明確定義 AI 落地范式。

　　而如此范式的得來，源自其自身在「驅動 AI」這條路上的多年實戰經驗——人工智能的數據要有一定的規范去搭建。

　　否則就會出現「無法做數據改造」、「躺在垃圾數據上做 AI」、「 三年才能完成 1 個應用」、「用人力成本填坑」等一系列的問題。

　　但各行各業的數據又是「千人千面」，面對如此棘手的問題，又該如何突破？

　　今天，第四范式在「萬物賦能，商業開花」大會中，便針對這一問題帶來了解決方案——Sage AIOS。

　　△第四范式 AIOS 桌面展示圖

　　而由此，也揭開了這家企業并非點對點，而是從行業整體通盤尋求「規范化」、「標準化」解決方案的AI 范式藍圖。

　　范式之一：企業 AI 數據標準的「范式」

　　AI 范式藍圖的第一篇章，就是企業數據標準。

人工智能的數據，一定要按照一定的規范去搭建。

　　這是在與第四范式 CEO戴文淵交流過程中，他十分強調的一點。

　　△第四范式創始人兼 CEO 戴文淵

　　之所以如此重視，是因為這正是第四范式掉入此坑三年所得的血與淚的經驗教訓。

　　而這也是第四范式推出 Sage AIOS 的原因之一。

　　但其實，在「企業人工智能數據規范」這條路上，也有其它的先行者。

　　例如所熟知的 TensorFlow，以及后來的 Pytorch 等，但它們無論是在上手還是操作方面，難度都是比較高的。

　　若以操作系統類比，一個形象的比喻便是當年的 DOS 系統。

　　而第四范式今天重磅推出的 AIOS，便針對上述問題進行了大幅的優化——堪稱「AI 時代下的 Windows 系統」。

　　為什么這么說？接下來一一揭曉。

　　Sage AIOS 是為企業量身打造、定位于底層的AI 操作系統，為企業 AI 應用提供「數據資源治理」、「系統資源調度」、「應用場景管理」等全面服務。

　　總體來看，Sage AIOS 具有以下特點：

• 簡單易用的桌面操作 OS 交互設計。

• 全新定義 AI 數據準備和使用方式。

• 高效的異構資源管理調度能力。

　　首先是OS 交互方面。

　　AIOS 操作系統的界面，可以用「親切」與「熟悉」來形容，與 Windows 的界面十分相近。

　　如此的設計，便最小化了從 PC 操作系統，過渡到 AI 操作系統的認知工作量。

　　AIOS 還采用窗口概念進行「多線程可視化管理」，并通過豐富的系統工具管理系統的運行狀況，將各種數據形式進行集中化中臺管理。

　　其次是* AI 數據準備和使用方式方面。

　　據了解，目前企業在 AI 數據準備工作方面所消耗的時間，占據全流程高達 80% 的比例。

　　因此，AIOS 便通過「操作系統的邏輯」，對 AI 數據進行了重新定義：

通過「數據形式」定義不同場景下，數據準備的標準和格式規范，保證了 AI 應用的數據質量。

　　非常便捷的一點就是，使用者無需深入了解不同 AI 場景下的業務特點，便可一鍵獲取 AI Ready 的數據。

　　最后，是構資源管理調度方面。

　　既然是類操作系統，那么免不了「進程」方面的問題。

　　而現實的情況便是，企業 AI 應用缺乏好的資源調度與管理機制，不僅沒有很好的利用資源，同時也讓需要資源的項目沒有得到應用的支持。

　　因此，AIOS 內置的HyperScheduler，就好比「AI 時代下的進程調度器」。

　　HyperScheduler 不僅能夠充分管理調度 CPU、GPU、加速卡等各類異構設備資源，還能對分布式計算等大量任務，同時運行進行合理有效的資源分配，大大提升資源利用率。

　　但對于大多數 AI 從業者來說，最關心的問題莫過于——需要多長時間才能學會。

　　對此，戴文淵在與量子位的交流中表示：

一個 Java、Python 工程師，看教程視頻，差不多7 分鐘左右就能搞懂原理了。

　　嗯，如此看來，AIOS 確實是一個不錯的企業 AI 數據標準「范式」了。

　　當然，在 AI 落地的進程中，除了數據之外，還有許多棘手的問題待解決。

　　這也讓第四范式在譜寫「AI 范式」的道路上，繼續前行。

　　范式之二：降低 AI 門檻的「范式」

　　AI 落地難，另一大阻力就是——門檻過高。

　　據第三方公司調查顯示，每年新增 100 萬個 AI 應用場景，而每年最多新增 1000 名科學家，這導致了嚴重的 AI 應用需求與科學家之間的供需矛盾。

　　并且，60% 的企業依然缺少 AI 科學家；即便擁有科學家團隊的企業，科學家 95% 的精力消耗在數據相關的低價值工作上。

　　針對這樣的困擾，第四范式提出了第二種「AI 范式」——Sage HyperCycle ML。

　　Sage HyperCycle ML 是以庫伯學習圈理論為基礎，依托第四范式高維機器學習框架與AutoML 算法，將 AI 應用過程極致簡化。

　　簡化后的過程，大致就分為四步：行為、反饋、學習和應用。

　　Sage HyperCycle ML 主要有四大亮點。

　　首先是數據管理：

• 提供針對 AI 應用設計的數據治理流程：包括數據自動推斷、預處理、自動標記等功能，將數據分為行為數據和反饋數據，而后分別進行管理。

• 多源數據接入：數據任務可視化管理，數據信息管理等豐富數據管理。

　　其次是自動模型工廠：

• 自動建模技術：可以讓企業數據自動構建為高維模型，從特征構建、特征組合、到算法選擇、算法調參，全流程自動完。

• 支持萬億級特征計算任務：在大數據量場景下，計算效率可達 Spark 數百甚至數千倍；支持根據數據量和計算時效的要求進行擴容，擴容后總體處理能力呈線性增加。

　　除此之外，模型也可以根據業務變化進行自我迭代，防止模型效果衰減，實時支撐企業業務決策。

　　接下來，是模型應用方面，具有模型快速上線、多業務共同使用等特性。

　　最后，在指標中心方面，包含業務反饋指標、模型指標、監控運維指標在內的指標體系。

　　如此一來，Sage HyperCycle ML 便將 AI 構建過程繁瑣和高難度的工作，全部交給機器。

　　這，便是降低 AI 門檻的一種「范式」。

　　而第四范式已經在這種「范式」落地，覆蓋了精準營銷、銷量預測、風控反欺詐、反洗錢、智能能源、智能零售、智能證券等眾多行業場景。

　　范式之三：AI 業務轉型的「范式」

　　數據和上手門檻難題解決之后，便是AI 驅動的問題。

　　換言之，就是 AI 技術、平臺，如何幫助企業完成轉型？

　　對此，第四范式提出了第三種「AI 范式」——天樞，一站式智能運營技術平臺。

　　這一平臺旨在解決 AI 應用業務價值問題，主要涵蓋四大引擎：

• 智能推薦：可以為用戶提供千人千面的個性化體驗，解決信息過載與用戶注意力有限之間的矛盾，將每一次曝光價值最大化。

• 智能搜索：精準意圖識別，多維管理工具，快速匹配用戶與目標信息， 全面提升搜索轉化率。

• 智能推送：在正確的時間內，將正確的內容推送給適合的人，提升打開和轉化率用 AI 驅動業務數據高速增長。

• 智能客服：基于深度學習技術打造的智能機器人，自動優化機器人話術，實現復雜多場景對話任務，快速響應，避免用戶排隊等待，用最低人力成本達成最佳用戶體驗。

　　同樣，這一「AI 范式」也已經取得了一定的落地成果，例如在媒體、互聯網、零售和金融等多個行業，提供千人千面的個性化推薦、流量精細化運營、精準獲客、精準產品推薦等眾多業務場景服務。

　　范式之四：算力成本把控的「范式」

　　但在如上述的 AI 生命全周期中，缺少不了一個重要的部分——AI 算力。

　　AI 算力就像一臺發動機，源源不斷的向其它層面輸出能量。

　　據 Gartner 預測，2022 年平均每個企業在 AI 算力上的支出會是 18 年的 4 倍，總體市場支出將超過 50 億美元。

　　在算力高昂成本的背后，實際上是算力的巨大浪費——企業數據中心對 AI 負載進行針對性優化，算力平均使用率依然達不到 60%。

　　而作為全棧發力的「驅動 AI」企業，在 AI 算力，也提供了一種「范式」——SageOne，面向 AI 全生命周期的 AI 算力平臺。

　　SageOne 主要通過軟硬協同設計，優化了計算、存儲、網絡、調度等算力資源的 AI 算力產品。

　　SageOne 具有「軟硬一體深度優化」、「高性能服務器配置」、「高性能存儲調優」等特點。

　　值得一提的是，長久以來，算力都是唯硬件計算能力為標準，而第四范式的 SageOne，則是基于考核 AI 基礎設施的計算能力。

　　目前，SageOne 面向金融、石油、電信、衛生健康、航空航天等國民經濟支柱行業，從根本上保證產業安全穩定地運營。

　　重估「第四范式」

　　當然，這次發布之所以值得關注，不僅在于第四范式推出的 AIOS 產品。

　　更在于產品和業務映射的第四范式現狀和未來。

　　或者換而言之：第四范式，現在是一家怎樣的公司？

　　從 2015 年創辦開始，這家聚集了一眾機器學習大牛的公司，其實就在不斷展示他們如何向產業提供 AI 時代、數據決策時代，智能化轉型升級時代里的工具箱、生產力助手。

　　但因為業務最先豐收的領域是金融，包括中國工商銀行、中國銀行，中國建設銀行、中信、農業銀行、交通銀行，招商銀行等等，都成了第四范式“工具箱”碩果累累的客戶……甚至后來還有了中國國有 5 大銀行全部入股加持第四范式的轟動事件。

　　所以金融方面的風頭無兩，也讓第四范式在公眾視野里，被認為是一家“金融 AI”的技術提供商。

　　然而如今，是時候更完整審視了。

　　在這次發布中，零售巨頭蘇寧、零食第一股來伊份、智慧城市領域的中關村科學城城市大腦股份有限公司等，均作為代表，展示了第四范式提供的 AIOS，正在如何智能化變革他們的業務。

　　見微知著，管中窺豹。

　　第四范式方面說，在 6 年之久的時間里，服務覆蓋到了金融、零售、制造、醫療、能源、互聯網等眾多領域。

　　而且這還只是業務深入中的一瞬。

　　因為就在現場，華為昇騰計算業務總裁許映童也親自站臺，帶來了與第四范式硬件+系統契合后，可以實現的更廣泛業務變革。

　　華為昇騰，提供的是目前中國最好的 AI 計算力，而第四范式，則完成了從 AI 算力、AIOS、自動化 AI 生產到線上化智能運營的全流程企業 AI 產品體系方案。

　　這可能是 AI 賦能和落地階段中，目前最強的組合了。并且在大形勢下，這還是一個沒有斷供之憂的方案。

　　所以現在，第四范式究竟是一家怎樣的公司？

　　本次發布之后，你可以認為是一家率先在 AI 時代提供 Windows 一樣的面向產業的操作系統公司，也可以視為產業轉型中提供極致 AI 工具箱的公司，甚至只留存“7 分鐘讓普通工程師用起 AI 工具”的印象……

　　只是無論如何，不再能以業務領域來審視第四范式了。

　　金融、零售、制造、醫療、能源、互聯網……

　　哪個領域有數據治理難、人才門檻高、業務價值難和算力成本貴方面的問題，第四范式及其產品和方案，就可以出現在這個領域。

　　第四范式，正在成為 AI 落地產業、加速升級的基礎設施的一部分。

　　重估第四范式，是時候了。

　　—完—

總結

以上是生活随笔為你收集整理的全球首款AI的操作系统来了！100%国产，像用Windows一样简单的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。